时间序列AR模型的正则化及其应用

基于正则化理论,通过添加一个正则化因子,构造了一个正则化时间序列模型.算例分析表明,新的正则化时间序列分析模型可改善时间序列分析模型中信息矩阵的病态程度,避免时间序列分析模型产生的不适定性,在一定程度上起到了稳定所求参数的作用.     

基于NSCT和Bilateral滤波器的含噪声图像融合

对于含噪声红外与可见光图像的融合,在滤除噪声的同时通常也会损失同为高频信息的边缘细节.为了解决这个问题,提出了一种基于Bilateral双边滤波器和非下采样Contourlet变换(nonsubsampled contourlet transform,NSCT)的含噪声图像融合算法.首先采用NSCT方法对图像进行多尺度分解,调整参数使得到的红外图像和可见光图像的高频图像中包含了大部分的边缘信息和噪声,为了保留边缘信息和滤除噪声,采用Bilateral双边滤波器分别对两幅高频图像进行处理,并得到红外高频图像的细节图像.为了将原始图像的边缘细节信息尽可能多地提取到融合图像中,同时增强边缘信息,将红外细节图像与可见光高频图像叠加到一起,提升融合图像的视觉效果.然后,采用局部区域标准方差系数方法作为红外与可见光图像低频图像的融合规则进行融合.最后,将融合后的高频图像和低频图像根据NSCT反向变换进行重构,得到融合后的图像.实验结果表明,该算法在滤除噪声的同时能够很好地保持边缘细节,对于含噪声图像的融合具有很好的效果.     

基于改进Canny算法的噪声图像边缘检测

针对经典Canny算法应用中常出现的无法滤除椒盐噪声且滤波后图像细节信息易丢失、Sobel卷积核定位的边缘信息精度较差、双阈值选取存在偶然性等问题,对Canny算法进行改进。首先采用自适应中值-高斯滤波法代替传统的高斯滤波,并融合Laplace边缘增强法,滤除大量噪声的同时保留图像边缘细节信息;使用精度更高的Scharr算子代替Sobel算子计算图像梯度幅值和方向;然后通过最大类间方差法自适应计算图像的最优阈值;最后选用BSD500数据集进行实验,结果表明：文中算法相对于经典Canny算法,峰值信噪比平均提升14.5 dB,边缘检测评价指标C/A提高0.07～0.24,C/B提高0.06～0.14,算法性能指标提高24.8%。     

图像椒盐噪声滤波的自适应开关插值算法

针对图像中椒盐噪声的特点,利用牛顿插值,提出了一种白适应开关插值滤波方法．结合极大极小值椒盐噪声检测算法和自适应窗口大小方法标识可能的噪声点,然后用迭代图像插值估计方法,利用与当前噪声点近邻的非噪声点或已修复的噪声点消除当前噪声点．对噪声密度为10％-90％的测试图像的仿真结果表明,该算法能在有效抑制噪声的同时较好地保持图像的细节信息．     

基于测地距离的图像滤波方法

利用图像曲面的内蕴几何,即测地距离来衡量像素间的相似性,提出了一种保持边缘的滤波方法,在滤除噪声的同时,能够很好的保持图像的边缘信息.实验结果表明,与经典的双边滤波方法比较,该方法去噪效果更好,精度更高.     

自适应Volterra混合噪声图像滤波

采用更接近实际的随机值脉冲噪声对混合噪声图像中的脉冲噪声部分进行描述,基于自适应Volterra滤波方法,提出了一种能够有效去除图像混合噪声的LMSV滤波算法．在此基础上,针对LMS算法收敛速度慢,步长因子不易确定的特点,提出了一种改进的自适应Volterra图像滤波算法（NLMSV算法）．理论分析和计算机仿真实验表明,相比于传统的图像去噪方法,本文方法在去除图像混合噪声和保留图像边缘细节方面的性能要明显优于其他算法,并且图像受污染率越高,该方法表现出的性能越好．     

一种增强的运动自适应算法

基于传统算法,提出了一种增强的运动自适应去隔行算法．在第一步运动检测得出运动状态之后用中值检测来纠正运动误判,提高了运动检测的抑制噪声能力．其次,由检测结果进行运动自适应插值：对图像静止部分使用场间插值,对运动部分使用边缘自适应插值．实验结果表明,该算法提高了运动检测的准确性,对静止图像和动态图像均能达到较好的效果．在一定程度上克服了传统算法带来的运动模糊、边缘锯齿等问题,同时与运动补偿算法相比,具有易于硬件实现的优点．     

基于贝叶斯正则化 BP 神经网络的 GPS 高程转换

为了改善BP神经网络在GPS高程转换过程中过拟合的现象,提出了用贝叶斯正则化算法的BP神经网络转换GPS高程的新方法,并利用区域GPS/水准数据,将新方法和未采用正则化算法的BP神经网络进行GPS高程转换的比较.结果表明:在较大区域和高程异常呈不规则的情况下,新方法不仅可以有效提高GPS高程转换的精度,而且通过贝叶斯正则化算法可以改善网络结构,抑制过拟合现象.在约10 km的GPS基线尺度上,新方法可以得到精度达0.050 m的正常高.     

正则化的多项式回归模型及其在路基变形分析中的应用

通过对一般多项式回归模型中的信息矩阵A=XTX添加一个正则化因子α,使其变为XTX+αI,适当选取α,达到改善信息矩阵病态的目的;构造出新的正则化多项式回归模型算法,避免了一般回归模型产生的回归系数有很大变化的不适定现象;数值实验表明,新的正则化多项式回归模型在一定程度上起到了稳定回归系数的作用.     

正则化学习算法的数学基础

正则化方法使经验风险最小化学习算法变得适定.从数学基础的角度,给出求解不适定问题的正则化方法的思想,证明了正则化算法的核心定理以及Hilbert空间上的正则化方法的有关定理.最后作为一个典型范例介绍了在再生核Hilbert空间上学习算法的正则化方法的基本思想.     

An Improvement of Russo's Fuzzy Noise-Filtering for Image Processing

We adapted Russo's image noise filtering technique by introducing an adaptive parameter, noise possibility. This parameter potentially indicates whether a pixel is noise. The improved Russo's method was applied to process the Lena image and a remote sensing image corrupted by noise. The results show that it has a stronger noise filtering ability than other traditional techniques such as Wiener filtering.     

基于多目标优化的病态逆问题求解

针对科学和工程研究中的病态逆问题,提出了基于多目标优化的求解方法.该方法将各次观测所得问题方程组残差作为多目标,并进一步将该多目标转化为单一目标,通过遗传算法寻求问题最优解,从而利用多次观测的有效信息,达到稳定病态逆问题解的目的.数值算例表明,该方法在参数反演精度和抗噪方面,显著优于最小二乘法(LS);在中、低噪声水平上的相关性态优于Tikhonov正则化方法.     

Poisson noise removal based on nonlocal total variation with Euler’s elastica pre-processing

An enhancement-based Poisson denoising method for photon-limited images is presented. The noisy image is firstly pre-processed for enhancing incomplete object information, and then it is denoised while preserving the restored structural details. A variational regularization model based on Euler’s elastica (EE) is proposed for image enhancement pre-processing. A nonlocal total variation (NLTV) regularization model is then employed in the second stage of image denoising. The above two optimization problems are solved by the alternating direction method of multipliers (ADMM). For Poissonian images with low image peak values, experiments demonstrate the validity and efficiency of the proposed method for both restoring geometric structure and removing noise.     

Regularization Method to the Parameter Identification of Interfacial Heat Transfer Coefficient and Properties during Casting Solidification

The accurate material physical properties, initial and boundary conditions are indispensable to the numerical simulation in the casting process, and they are related to the simulation accuracy directly. The inverse heat conduction method can be used to identify the mentioned above parameters based on the temperature measurement data. This paper presented a new inverse method according to Tikhonov regularization theory. A regularization functional was established and the regularization parameter was deduced, the Newton-Raphson iteration method was used to solve the equations. One detailed case was solved to identify the thermal conductivity and specific heat of sand mold and interfacial heat transfer coefficient (IHTC) at the meantime. This indicates that the regularization method is very efficient in decreasing the sensitivity to the temperature measurement data, overcoming the ill-posedness of the inverse heat conduction problem (IHCP) and improving the stability and accuracy of the results. As a general inverse method, it can be used to identify not only the material physical properties but also the initial and boundary conditions' parameters.     

基于改进Retinex的城市交通图像增强

为提高在雾霾天气条件下获取的城市交通图像的对比度和清晰度,本文提出了一种基于引导滤波平滑约束和分数阶积分的改进Retinex的图像增强方法.Retinex理论把一幅图像视为照射分量与反射分量乘积的形式.首先,利用引导滤波作为Retinex算法的目标函数的平滑约束项,通过最小化该目标函数获取照射分量;反射分量为原始图像与照射分量的比值,其主要体现图像的局部细节,对反射分量进行分数阶积分掩膜,在去除噪声干扰的同时保留图像的细节信息;最后,将处理后的反射分量与照射分量相乘,得到最终的增强图像.实验结果表明,本文方法在图像平滑和细节保持方面得到了很好的平衡,有效地提高了雾霾天气条件下城市交通图像的对比度和清晰度,使得增强后的图像更加真实自然.     

由桥梁动力响应识别过桥汽车参数的灵敏度方法

为了识别通过桥梁汽车的参数,提出了在灵敏度分析的基础上由简支梁桥动力响应识别过桥汽车参数的方法。将汽车抽象为两自由度五参数模型,用有限元方法计算桥梁的动力响应。从对未知参数的猜测值开始,由测试或模拟计算的动力响应用最小二乘法和规则化技巧识别过桥汽车参数,用邻近两次识别参数的百分相对误差(RPE)控制迭代过程的终止。由数值模拟结果可知,识别得到的汽车参数是令人满意的,其中质量的识别精度最高,表明该方法识别过桥汽车参数可行。     

整周模糊度改进算法研究与实现

介绍了在短基线状态下利用单频单历元双差载波相位定位时模糊度固定的基本理论.结合正则化理论和阻尼矩阵的思想,提出了一种用改进的正则化方程来改善法方程病态性的方法.算例分析表明,应用改进的正则化算法可以改善法矩阵的病态性,得到更加精确的浮动解,利用LAMBAD方法搜索可得到准确的整周模糊度解.